python - 使用 Pandas 在 python 中拆分文本并相应地 append

Question

我的数据框的一小部分样本就是这种格式

**shop** **product** **location** **time**  **count_products**
store1     ,A,B,C        X          8.30 pm       3
store1     ,G,F          Y          8.41 pm       2
store1     ,C,D,T,R      Z          9.02 pm       4

现在我想拆分产品列。我知道 str.split 可以拆分特殊字符 & 通过它我可以拆分列。我喜欢生成的输出应具有以下格式，

**shop** **product** **location** **time**  **count_products**
store1     A             X          8.30 pm          3
store1     B             X          8.30 pm          3
store1     C             X          8.30 pm          3              
store1     G             Y          8.41 pm          2
store1     F             Y          8.41 pm          2
store1     C             Z          9.02 pm          4
store1     D             Z          9.02 pm          4
store1     T             Z          9.02 pm          4
store1     R             Z          9.02 pm          4

我正在使用 Pandas 和 numpy。您能否指导我如何继续获得上述输出？提前致谢。

Answer 1

您可以使用 str.strip删除 ,, str.split与 stack为 join 创建 Series到原始的 DataFrame。

最后reset_index为了避免 index 中的重复项并按 reindex_axis 重新排序列名:

print (
df.pop('**product**')
.str
.strip(',')
.str
.split(',',expand=True)
.stack()
.reset_index(drop=True, level=1)
.rename('**product**')           
)
0    A
0    B
0    C
1    G
1    F
2    C
2    D
2    T
2    R
Name: **product**, dtype: object

cols = df.columns

print (df.join
             (
             df.pop('**product**')
             .str
             .strip(',')
             .str
             .split(',',expand=True)
             .stack()
             .reset_index(drop=True, level=1)
             .rename('**product**')           
             ).reset_index(drop=True)
              .reindex_axis(cols,axis=1))

  **shop** **product** **location** **time**  **count_products**
0   store1           A            X  8.30 pm                   3
1   store1           B            X  8.30 pm                   3
2   store1           C            X  8.30 pm                   3
3   store1           G            Y  8.41 pm                   2
4   store1           F            Y  8.41 pm                   2
5   store1           C            Z  9.02 pm                   4
6   store1           D            Z  9.02 pm                   4
7   store1           T            Z  9.02 pm                   4
8   store1           R            Z  9.02 pm                   4